基于組合特征與車(chē)載攝像頭的盲人檢測(cè)與識(shí)別方法與系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于主動(dòng)駕駛領(lǐng)域，具體說(shuō)是一種基于組合特征與車(chē)載攝像頭的盲人檢測(cè) 與識(shí)別方法與系統(tǒng)。
【背景技術(shù)】
[0002] 近年來(lái)隨著汽車(chē)輔助駕駛項(xiàng)目的快速發(fā)展，基于車(chē)載攝像頭的行人檢測(cè)技術(shù)獲得 了長(zhǎng)足的發(fā)展，并不斷應(yīng)用到汽車(chē)主動(dòng)安全與主動(dòng)駕駛項(xiàng)目中。目前，各個(gè)研發(fā)機(jī)構(gòu)只是檢 測(cè)出行人并且進(jìn)行相關(guān)的告警，W提醒駕駛者需要注意前方有行人需要注意。針對(duì)行人類(lèi) 型的檢測(cè)與識(shí)別，雖然對(duì)駕駛者也有很大的參考價(jià)值，但是由于技術(shù)等方面問(wèn)題，還沒(méi)有相 關(guān)比較公開(kāi)的研究資料。
[0003] 鑒于此，本發(fā)明提出一種基于組合特征的基于車(chē)載攝像頭的盲人檢測(cè)與識(shí)別方 法，通過(guò)該技術(shù)可W幫助駕駛者在遇到盲人等特殊群體的時(shí)候，能夠及時(shí)避讓或做出特殊 處理。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)中存在的上述不足之處，本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于 組合特征與車(chē)載攝像頭的盲人檢測(cè)與識(shí)別方法與系統(tǒng)。
[0005] 本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是:一種基于組合特征與車(chē)載攝像頭的 盲人檢測(cè)與識(shí)別方法，包括W下步驟：
[0006] SI:車(chē)載視覺(jué)傳感器實(shí)時(shí)采集車(chē)輛周?chē)脑紙D像，同時(shí)并行執(zhí)行步驟S2、S3;
[0007] S2:根據(jù)行人特征獲得每一帖原始圖像的行人hog特征圖像，利用行人分類(lèi)器判斷 行人hog特征圖像中是否有行人，若有行人則在原始圖像或行人hog特征圖像中標(biāo)記行人， 若沒(méi)有則進(jìn)行下一帖檢測(cè)；
[000引在行人hog特征圖像中的行人周?chē)鷧^(qū)域利用盲杖分類(lèi)器判斷是否有盲杖，若有則 在原始圖像或行人hog特征圖像中標(biāo)記盲杖，若沒(méi)有則進(jìn)行下一帖檢測(cè)；
[0009] 將原始圖像或行人hog特征圖像映射到S維世界坐標(biāo)系下，利用導(dǎo)盲犬分類(lèi)器判 斷S維世界坐標(biāo)系下的圖像中是否有導(dǎo)盲犬，若有則在原始圖像或行人hog特征圖像中標(biāo) 記導(dǎo)盲犬，若沒(méi)有則進(jìn)行下一帖檢測(cè)；
[0010] 對(duì)行人hog特征圖像內(nèi)的行人頭部區(qū)域進(jìn)行窗口遍歷，在每一個(gè)窗口利用盲鏡分 類(lèi)器判斷是否有盲鏡，若有則在行人hog特征圖像中標(biāo)記盲鏡;判定該行人為盲人;若沒(méi)有 則進(jìn)行下一帖檢測(cè)；
[0011] S3:根據(jù)導(dǎo)盲犬特征獲得每一帖原始圖像的導(dǎo)盲犬hog特征圖像，，利用導(dǎo)盲犬分 類(lèi)器判斷導(dǎo)盲犬hog特征圖像是否有導(dǎo)盲犬，若有則在原始圖像或?qū)と甴og特征圖像中標(biāo) 記導(dǎo)盲犬，若沒(méi)有則進(jìn)行下一帖檢測(cè)；
[0012] 對(duì)導(dǎo)盲犬hog特征圖像在導(dǎo)盲犬頸部區(qū)域進(jìn)行二值化處理，找出像素比例最小的 區(qū)域進(jìn)行標(biāo)記連通，如果得到的連通區(qū)域與頸部區(qū)域的寬度之比在設(shè)定范圍內(nèi)，則認(rèn)為導(dǎo) 盲犬頸部區(qū)域有狗鏈，利用狗鏈標(biāo)記連通區(qū)域的末端，在末端利用行人分類(lèi)器檢測(cè)是否有 行人，若有行人則在原始圖像或?qū)と甴og特征圖像中標(biāo)記行人，若沒(méi)有則進(jìn)行下一帖檢 測(cè);若沒(méi)有狗鏈則進(jìn)行下一帖檢測(cè)；
[0013] 若狗鏈的另一端有行人，則依次利用盲杖分類(lèi)器、盲鏡分類(lèi)器在導(dǎo)盲犬hog特征圖 像中判斷該行人周?chē)鷧^(qū)域是否有盲杖、盲鏡，若同時(shí)有則在導(dǎo)盲犬hog特征圖像中標(biāo)記盲 杖、盲鏡，并判定原始圖像中存在盲人;若沒(méi)有則進(jìn)行下一帖檢測(cè)；
[0014] S4:根據(jù)S2的檢測(cè)結(jié)果和S3的檢測(cè)結(jié)果進(jìn)行加權(quán)求和，當(dāng)加權(quán)求和的結(jié)果大于預(yù) 設(shè)闊值時(shí)，判定原始圖像中存在盲人。
[0015] 所述行人分類(lèi)器通過(guò)離線訓(xùn)練得到，具體包括：
[0016] 通過(guò)視頻采集傳感器采集樣本圖像；
[0017] 通過(guò)樣本圖像獲取行人hog特征圖像；
[0018] 在行人hog特征圖像上進(jìn)行行人的訓(xùn)練學(xué)習(xí)，獲取行人的統(tǒng)計(jì)特征，即{fk(x)}，k =1，......，N，N為正整數(shù)，其中，
，X表示輸入的行人hog特征圖 像，ht(x)表示第t個(gè)弱分類(lèi)器，其計(jì)算結(jié)果加權(quán)at后即為Qtht(X)，加權(quán)求和后則構(gòu)成了強(qiáng)分 類(lèi)器，fk(x)表示行人分類(lèi)器的一個(gè)強(qiáng)分類(lèi)器，故表示所有弱分類(lèi)器加權(quán)求和后需要滿足的 闊值，當(dāng)整體權(quán)重之和大于化時(shí)，則認(rèn)為滿足該強(qiáng)分類(lèi)器。
[0019] 所述行人hog特征圖像通過(guò)W下步驟獲得：
[0020] 設(shè)計(jì)hog特征塊高寬比為1:1,16*16像素塊，塊中平均分割而成的四個(gè)單元像素 塊，大小為8*8;計(jì)算樣本hog特征的步長(zhǎng)為8個(gè)像素；
[0021] 在YUV每個(gè)通道中，求出像素值的梯度方向的微分: = I(x，y)-I(x，y+l);其中，I(x，y)表示坐標(biāo)x，y的像素值；
[0022] 分別在X方向與y方向?qū)ξ⒎纸Y(jié)果進(jìn)行積分，進(jìn)而構(gòu)成像素點(diǎn)I(p，q)的梯度變化直 方圖的積分圖：
其中，P，q分別為像素點(diǎn)I(P，q)的橫坐標(biāo)與縱 坐標(biāo)；
[0023] 查表計(jì)算每一個(gè)圖像塊的內(nèi)部的像素值的梯度變化之和：
[0024] RecSUM(r)=SUM(x-l,y-l)+SUM(x+w-l,y+h-l)-SUM(x-l,y+h-l)
[0025] -SUM(x+w-l,y-l)
[0026] 其中，r表示圖像塊，h與W分別表示圖像塊的高與寬，RecSUM(r)表示圖像塊內(nèi)的梯 度變化之和；
[0027] 在YUVS個(gè)通道中，對(duì)每個(gè)通道根據(jù)W上步驟進(jìn)行加權(quán)聯(lián)合計(jì)算，得到行人hog特 征圖像。
[0028] 所述導(dǎo)盲犬分類(lèi)器通過(guò)離線訓(xùn)練得到，具體包括：
[0029] 通過(guò)視頻采集傳感器采集樣本圖像；
[0030] 通過(guò)樣本圖像獲取導(dǎo)盲犬hog特征圖像；
[0031] 在導(dǎo)盲犬hog特征圖像上進(jìn)行導(dǎo)盲犬的訓(xùn)練學(xué)習(xí)，獲取導(dǎo)盲犬的統(tǒng)計(jì)特征，即{Pk (X)}，k=l，......，N，N為正整數(shù)，其中，
，X表示輸入的導(dǎo)盲犬hog 特征圖像，ht(x)表示第t個(gè)弱分類(lèi)器，其計(jì)算結(jié)果加權(quán)后即為a^thtU)，加權(quán)求和后則構(gòu) 成了強(qiáng)分類(lèi)器，Pk(X)表示導(dǎo)盲犬分類(lèi)器的一個(gè)強(qiáng)分類(lèi)器，護(hù)k表示所有弱分類(lèi)器加權(quán)求和后 需要滿足的闊值，當(dāng)整體權(quán)重之和大于護(hù)k時(shí)，則認(rèn)為滿足該強(qiáng)分類(lèi)器。
[0032] 所述導(dǎo)盲犬hog特征圖像通過(guò)W下步驟獲得：
[0033] 設(shè)計(jì)hog特征塊高寬比為1:1，8*8像素塊，塊中平均分割而成的四個(gè)單元像素塊， 大小為4*4;計(jì)算樣本hog特征的步長(zhǎng)為4個(gè)像素；
[0034] 在YUV每個(gè)通道中，求出像素值的梯度方向的微分: = I(x，y)-I(x，y+l);其中，I(x，y)表示坐標(biāo)x，y的像素值；
[0035] 分別在X方向與y方向?qū)ξ⒎纸Y(jié)果進(jìn)行積分，進(jìn)而構(gòu)成像素點(diǎn)I(p，q)的梯度變化直 方圖的積分圖：
|其中，9,9分別為像素點(diǎn)1(9,9)的橫坐標(biāo)與縱 坐標(biāo)；
[0036] 查表計(jì)算每一個(gè)圖像塊的內(nèi)部的像素值的梯度變化之和：
[0037] RecSUM(r)=SUM(x-l,y-l)+SUM(x+w-l,y+h-l)-SUM(x-l,y+h-l)
[003引-SUM(x+w-l,y-l)
[0039] 其中，r表示圖像塊，h與W分別表示圖像塊的高與寬，RecSUM(r)表示圖像塊內(nèi)的梯 度變化之和；
[0040] 在YUVS個(gè)通道中，對(duì)每個(gè)通道根據(jù)W上步驟進(jìn)行加權(quán)聯(lián)合計(jì)算，得到導(dǎo)盲犬hog 特征圖像。
[0041 ]所述盲杖分類(lèi)器通過(guò)離線訓(xùn)練得到，具體包括：
[0042] 通過(guò)視頻采集傳感器采集樣本圖像；
[0043] 通過(guò)樣本圖像獲取盲杖hog特征圖像；
[0044] 在盲杖hog特征圖像上進(jìn)行盲杖的訓(xùn)練學(xué)習(xí)，獲取盲杖的統(tǒng)計(jì)特征，即{qk(x)}，k =1，……，N，N為正整數(shù)，其中，
X表示輸入的盲杖hog特征圖 像，ht(x)表示第t個(gè)弱分類(lèi)器，其計(jì)算結(jié)果加權(quán)a"后即為a" tht(x)，加權(quán)求和后則構(gòu)成了強(qiáng) 分類(lèi)器，Qk(X)表示盲杖分類(lèi)器的一個(gè)強(qiáng)分類(lèi)器，護(hù)k表示所有弱分類(lèi)器加權(quán)求和后需要滿足 的闊值，當(dāng)整體權(quán)重之和大于e"k時(shí)，則認(rèn)為滿足該強(qiáng)分類(lèi)器。
[0045] 所述盲杖hog特征圖像通過(guò)W下步驟獲得：
[0046] 設(shè)計(jì)hog特征塊高寬比為2:1，8*4像素塊，塊中平均分割而成的兩個(gè)單元像素塊， 大小為4*4;計(jì)算樣本hog特征的步長(zhǎng)為2個(gè)像素；
[0047] 在YUV每個(gè)通道中，求出像素值的梯度方向的微分: = I(x，y)-I(x，y+l);其中，I(x，y)表示坐標(biāo)x，y的像素值；
[0048] 分別在X方向與y方向?qū)ξ⒎纸Y(jié)果進(jìn)行積分，進(jìn)而構(gòu)成像素點(diǎn)I(p，q)的梯度變化直 方圖的積分圖：
I其中，P，q分別為像素點(diǎn)I(P，q)的橫坐標(biāo)與縱 坐標(biāo)；
[0049] 查表計(jì)算每一個(gè)圖像塊的內(nèi)部的像素值的梯度變化之和：
[0050] RecSUM(r)=SUM(x-l,y-l)+SUM(x+w-l,y+h-l)-SUM(x-l,y+h-l)
[0051] -SUM(x+w-l,y-l)